是我目前正在经历的失败时期是我的策略，还是因“异常”事件而倒霉？

18月XNUMX日• 弦外之音 •13935浏览• 1评论是我目前正在经历的失败时期是我的策略，还是因“异常”事件而倒霉？

运气是一个非常有争议的词，在交易中也是有争议的现象。花了几个月甚至很多年的时间制定了一个成功的交易策略，然后最终将其提交给我们的防弹交易计划，对于我们每个人来说，要使我们的长期交易成功中蕴含的巨大要素逐渐消失，真是令人难以置信简单的运气现象。

要接受我们受市场的摆布，而且我们每个人都无法以任何常规的确定性来预测市场接下来将要做什么，这是我们许多人难以理解的概念。要使我们持续获利，就很难接受这样的观念，即我们很大一部分交易必须是亏损者。正如我们在前面的专栏中所提到的，这两个概念都与我们如何“连接”以进行行业迫使我们每天和每周面对的许多测试和试验相反。

在我们花了数月（或数年）的时间来制定成功的交易策略并花了相等比例的时间来发展自律以遵守我们的交易计划之后，当我们进行交易时，这可能会受到很大的打击策略开始失败，我们要么达到，要么开始威胁我们放入交易计划的亏损水平。但是，在什么时候放弃我们的计划和策略是一个很难面对的建议。

在调整或完全放弃策略之前，我们如何毫不动摇地退后一步，以便进一步分析我们的策略，这是我们作为交易员将面临的主要考验之一，并且在许多方面，这种“交易者生活的尝试”将定义我们作为商人。在重新分析我们的交易策略时，我们可以开始发现运气是否在我们最近的损失中发挥了作用。但是，在最近的交易历史中，我们在哪里寻找迹象表明简单的运气在交易中起了重要作用，而我们的方法和整体交易策略没有错？

**离群值*，它们在交易方面的含义以及在何处寻找它们的迹象**

正如我们专栏的常识读者所推论的那样，我们每周发表一篇标题为“趋势仍然是您的朋友吗？”的文章。在此基础上，我们分析了将决定本周高影响力出版物和政策决定的基本背景。与此成对的是，我们还重叠了一种非常基本的技术分析形式，该技术分析利用了许多最常用和指称的指标。最近值得注意的是我们所称的异常值及其对我们交易市场的影响。

乌克兰问题最为突出，因为克里米亚地区的局势开始紧张，市场纷纷抛售，尤其是在欧洲股票指数和欧元之后。随着问题的消除，市场开始开始复苏。然后我们感到怀疑（随着美国的盈利季节开始），许多在纳斯达克上市的科技公司实际上是否应该获得巨额估值，而不是它们目前所显示的收益。然后我们经历了复苏，但是在过去的两天里，由于许多乌克兰城市的俄罗斯友好派系与新成立的乌克兰政府当局之间的武装冲突，乌克兰的担忧再次出现。已经得出了暴力结论。

现在，孤立地或整体地查看所有这些最近的问题，许多交易者有时会发现自己，这取决于他们是摆动交易者还是日间交易者，而市场的错误方面是没有错的。他们自己，而不是坚持自己的计划。坦率地说，我们提供的近期交易清单对于许多交易者而言，在最近几周内是不可能交易的领域，尤其是对于摇摆交易者而言，那是在我们开始添加其他所有其他基本标准之前，例如基本利率决定，失业率和其他经济数据统计。好像我们的专业还不够棘手，最近几周我们不得不面对各种令人难以置信的复杂基本问题，难怪我们中的许多人会失去一些暂时的基础，这使我们怀疑我们的整体方法和交易策略。

无法预测何时将发生统计异常值，也很难意识到我们可能会处于异常事件的发火线，因为它正在发生，因为我们业务中的许多异常值并非统计人员和数学家所能掌握的纯统计异常值，回顾一下，指出。此外，我们无法交易统计和数学专家确定的过去。

但是，随着经验的增长，我们所能做的就是调整“交易触角”，以了解何时处于或可能会导致异常漩涡的中间。然后，我们有两个简单的选择：交易还是不交易...

我们要么通过异常造成的风暴进行交易，要么放弃交易，可悲的是只有事后才能向我们证明这是正确的决定。但是，毫无疑问地在异常事件中质疑您的方法和策略是很自然的，但是更改或停止先前已证明的方法是错误的时间。一旦我们确定了“正常”的交易条件，或者在动态的外汇，指数或商品交易世界中可以预期的正常水平，反思的时机就要到了。

*离群值的定义

在统计中，离群点是与其他观测值相距较远的观测点。[1] 离群值可能是由于测量的可变性引起的，或者可能表示实验错误；后者有时会从数据集中排除。[2]

离群值可以偶然出现在任何分布中，但是它们通常指示测量误差或总体具有重尾分布。在前一种情况下，人们希望丢弃它们或使用对异常值具有鲁棒性的统计数据，而在后一种情况下，它们表明分布具有较高的峰度，并且在使用假定正态分布的工具或直觉时应格外谨慎。异常值的常见原因是两种分布的混合，这可能是两个不同的子种群，或者可能表示“正确的试验”与“测量误差”；这是通过混合模型建模的。

在大多数较大的数据采样中，某些数据点与采样均值的距离会超出合理范围。这可能是由于偶然的系统错误或产生假设的概率分布族的理论中的缺陷所致，也可能是由于某些观测值离数据中心很远。因此，异常点可能指示错误的数据，错误的程序或某些理论可能无效的区域。但是，在大样本中，预期会有少量异常值（并非由于任何异常情况）。

作为最极端观察值的异常值可能包括样本最大值或样本最小值，或两者都包括，这取决于它们是极高还是极低。但是，样本的最大值和最小值并不总是离群值，因为它们可能与其他观测值相距不远。